本文主要为广大网友提供“基于统计分析的信计学生能力分类”，希望对需要基于统计分析的信计学生能力分类网友有所帮助，学习一下!
论文编号:XXLW090 论文字数:17277,页数:35
摘 要
本文采用多元统计分析中的因子分析法以我校信息与计算科学2007级的75名同学的前四个学期中的14门成绩，即数学分析，高等代数与解析几何，大学计算机基础B，C语言程序设计，概率论，离散数学，常微分方程，数据结构，数理统计，运筹与优化，数学模型，数学模型课程设计，现代数学软件（Matlab），面向对象可视化程序设计的成绩作为原始数据进行具体实例分析。经过数据预处理，借助SAS系统编程获取结果。根据结果分析得出影响该专业学生知识和能力的主要因子，分别为数学专业能力，数学基础能力，计算机应用能力，计算机基础能力四个因子。然后由聚类分析法对该75名学生进行分类，由因子得分模型计算每个学生的因子得分，最后根据分类结果结合学生的各因子得分，分析每类学生的能力倾向。
关键词：因子分析；载荷矩阵；因子得分；SAS软件；聚类分析
Abstract
By using the analysis method of multivariate statistical analysis,we conduct an analysis of an example to the main fourteen course records of the first four semesters of the 75 students,whos’ level is 2007 and major is Information and Computing Science.The fourteen courses are Mathematical Analysis, Linear Algebra & Analytic Geometry, Fundamentals of Computers B, C Programming Language, Probability Theory, Discrete mathematics,Ordinary Differential Equation, Data Structures, Mathematical Statistics, Operations Research and Optimization, Mathematical Models, Curriculum Design of Mathematical Models, Modern mathematical software(Matlab) and Object-oriented programming. After data pretreatment, using SAS system programming for the result. According to the result, we can find the main factors that affect the students’ knowledge and abilities of the major,which is professional mathematical ability, basic mathematicical ability,computer application ability and basic computer ability. And then, we can calculate the factor score of each student according to the model and classify the 75 students by clustering analysis.Finally,we can analyze the abilities tendency of each student according to the result of clustering analysis and the various factor score of each student.
Keywords：Factor analysis;Component matrix;Factor score;SAS software;Clustering analysis
目 录
中文摘要 i
英文摘要 ii
目录 iii
第一章 引 言.1
第二章 数据处理基本理论基础.2
2.1主成分分析..2
2.1.1 原理及基本思想2
2.2 因子分析2
2.1.1 因子分析模型..2
2.1.2 因子分析步骤..3
2.1.3 因子分析Factor过程..3
2.3 聚类分析5
2.3.1 基本内容.5
2.3.2 谱系聚类法5
第三章 模型实现…….7
3.1 数据准备 7
3.1.1 数据选取7
3.1.2 数据预处理..7
3.2 建立模型..7
3.2.1 因子分析7
3.2.2 结果分析 .9
3.2.3 因子得分模型..10
3.3 聚类分析10
3.3.1 过程及结果10
3.3.2 结果分析.12
3.4 模型的应用..12
3.4.1 因子得分.12
3.4.2 结果讨论.14
3.5 小 结.15
第四章 总 结16
4.1 论文的主要结论16
4.2 论文的不足..17
致 谢.18
参考文献19
附 录.20
